كاشف الانتشار العام: استخراج ميزات قوية من نماذج الانتشار لرصد عام متنوع

تهدف تعميم المجال (DG) لرصد الكائنات إلى تعزيز أداء الكواشف في السيناريوهات غير المرئية. تظل هذه المهمة صعبة بسبب التغيرات المعقدة في التطبيقات الواقعية. مؤخرًا، أظهرت نماذج الانتشار قدرات ملحوظة في توليد مشاهد متنوعة، مما ألهمنا لاستكشاف إمكانياتها في تحسين مهام DG. بدلاً من توليد الصور، تستخرج طريقتنا ميزات وسيطة متعددة الخطوات خلال عملية الانتشار للحصول على ميزات غير مرتبطة بالمجال لرصد عام. علاوة على ذلك، نقترح إطار نقل المعرفة الفعال الذي يمكّن الكواشف من وراثة قدرات التعميم لنماذج الانتشار من خلال محاذاة الميزات والكيانات، دون زيادة وقت الاستدلال. نجري تجارب واسعة على ستة معايير DG تحديًا. تظهر النتائج أن طريقتنا تحقق تحسينات كبيرة بنسبة 14.0% mAP مقارنة بالأساليب الحالية في مجالات وأنواع فساد مختلفة. من الجدير بالذكر أن طريقتنا تتفوق حتى على معظم أساليب التكيف مع المجال دون الوصول إلى أي بيانات من المجال المستهدف. علاوة على ذلك، تظهر الكواشف الموجهة بواسطة الانتشار تحسينات متسقة بنسبة 15.9% mAP في المتوسط مقارنة بالخط الأساسي. يهدف عملنا إلى تقديم نهج فعال لرصد المجال العام وتوفير رؤى محتملة للاعتراف البصري القوي في السيناريوهات الواقعية. الشيفرة متاحة على https://github.com/heboyong/Generalized-Diffusion-Detector.